[發明專利]面向圖像檢索的融合多層特征深度神經網絡模型方法

在審

• 申請號: 202011285825.4
• 申請日: 2020-11-17
• 公開（公告）號: CN112364193A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 臧笛;嚴詣青;陳雋;李洋
• 申請（專利權）人: 同濟大學
• 主分類號: G06F16/55
• 分類號: G06F16/55;G06F16/583;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海科律專利代理事務所(特殊普通合伙) 31290
• 代理人: 葉鳳

1.一種面向圖像檢索的融合多層特征深度神經網絡模型方法，特征是，具體方法包括如下步驟：

(1)將具有類別信息的圖片分為訓練集和測試集，對融合多層特征的深度網絡進行訓練，依據圖片分類結果判定模型準確性；

在DenseNet模型的基礎上融合多層Dense block特征，并引入壓縮獎懲模塊；通過學習圖像經過多個Dense block后輸出的多尺度特征圖，對圖像信息進行多維度挖掘，從而提取圖像更多特征信息；將模型用于圖像分類，將分類結果作為判定模型特征提取效果優劣的標準，對模型進行訓練；

(2)通過反向傳播算法對深度網絡進行分類任務的訓練優化；

首先定義損失函數來描述模型的圖像分類精度，然后通過反向傳播算法計算損失函數對每一個參數的梯度，再根據梯度和學習率使用優化算法找到合適的權重和偏置值，使得損失函數最小化，從而得到更準確的分類結果，即模型特征提取更為準確；

(3)使用訓練好的深度網絡進行圖片特征提取，通過對特征進行編碼并聚合以及數據庫索引，實現圖像檢索；

首先將數據集中的圖片輸入步驟(2)訓練好的模型，輸出分類層前一層的特征圖作為特征提取的結果，將提取的特征保存到文件中形成圖像檢索數據庫；將需要進行圖像檢索的圖片輸入模型，得到該圖片的特征圖；對目標圖片的特征圖與數據庫中所有特征圖進行歐式距離的計算，對數據庫中的圖片根據歐式距離從小到大進行排序，則排名前k個的圖片即圖像檢索的top k。